Dados do Trabalho

Título

Inteligência artificial no rastreio da doença de Chagas. Projeto SaMi-Trop

Introdução

Existem diversas barreiras para que pacientes com doença de Chagas (DCh) possam  receber diagnóstico, tratamento e acompanhamento adequado. Estima-se que menos de 10% deles são diagnosticados e apenas 1% tratados. Acredita-se que o uso de ferramentas de saúde digital e inteligência artificial em larga escala pode auxiliar a superar essas barreiras.  

Objetivo (s)

Desenvolver ferramentas de inteligência artificial (IA) que auxiliem no diagnóstico, acesso aos cuidados de saúde e tratamento da DCh.

Material e Métodos

Esse estudo é parte de um grande projeto denominado SaMi-Trop desenvolvido utilizando a estrutura da Rede de Telessaúde de Minas Gerais (RTMG) por meio do serviço de Tele-eletrocardiograma (ECG). Um algoritmo de IA foi implantado nos registros dos ECG, de forma piloto, em duas regiões de Saúde de MG, Montes Claros (54 Municípios), região hiper endêmica para DCh, e Divinópolis (53 municípios), área endêmica. Após a realização do ECG e o sistema indicar possível caso de DC, um alerta é emitido à equipe de Atenção Primária em Saúde (APS) para testagem sorológica do paciente. O algoritmo de IA fornece a probabilidade da DC para cada pessoa após análise do ECG + fatores de risco para DCh. Para validação do algoritmo foi estimado uma amostra de  2500 alertas indicados pela IA como possível caso de DC e 1000 controles (1000). Será avaliada as propriedades diagnósticas da IA quando comparada à sorologia. Os médicos da APS envolvidos com o cuidado do paciente com DCh receberão supervisão da RTMG por meio de Sistema de Suporte à Decisão (SSD) e discussão clínica com cardiologistas. O projeto foi aprovado pelo Conselho Nacional de Ética em Pesquisa (N 5.188.825). 

Resultados e Conclusão

Estudo piloto (n=500) mostrou que o algoritmo de IA possui sensibilidade de 85%, especificidade 78% e acurácia de 79%. O sistema de IA no ECG está implementado em 104 municípios. Em cinco meses realizou-se 21.349 ECGs com 3.967 (18,6%) alertas para testagem. Dados preliminares mostraram prevalência de 23% de positividade para DCh (n=159); sendo 32% para região hiper endêmica e 5,7% para endêmica. Alguns desafios foram observados na implementação dessas ferramentas, muitos relacionados a dinâmica do sistema de saúde local, como ausência de fluxo estabelecido e dificuldades de busca ativa dos pacientes para testagem. Sistemas de IA e ferramentas de Telessaúde podem ser combinadas para suporte à APS contribuindo para o rastreio, diagnóstico e cuidado aos pacientes com DCh.

Palavras Chave

Telessaúde; Doença de Chagas; Inteligência Artificial; Vigilância em saúde; Atenção primária à saúde; Tecnologias em Saúde.